作者/胡远洋、刘英、谢家雨，中国民用航空飞行学院航空工程学院

基于PSO优化SVM的航空铅酸蓄电池健康评估研究

作者/胡远洋、刘英、谢家雨，中国民用航空飞行学院航空工程学院

航空铅酸蓄电池状况评估具有针对性，非线性和复杂性等特点。本文使用基于PSO优化支持向量机方法，探究一种新的航空铅酸蓄电池评估模型。因支持向量机的分类准确性在很大程度上依赖于参数选取，因此使用了一种基于粒子群优化算法的支持向量机参数选择方法。为了验证该模型的有效性，利用中国民用航空飞行学院航空铅酸蓄电池的实测数据进行了验证，实验结果表明该模型的分类精度高达95%以上。

支持向量机；粒子群优化算法；航空铅酸蓄电池；健康评估

航空用铅酸蓄电池是一种技术成熟、容量较大的直流电源，飞行器的重要组成部分之一，主要用于飞行器的启动、通信、照明以及应急备持有数量大，使用频率高，使用时间长。蓄电池的健康状况直接影响飞行安全，目前蓄电池的健康评估主要通过对其进行充放电测试，记录电压，电流以及蓄电池容量的方式来进行判断。然而，频繁地进行满容量充放电测试会加速蓄电池老化，因此本文提出一种不需满容量充放电的健康评估方法。

1.支持向量机SVM

支持向量机（Support vector machine，SVM）由Vapnik首先提出，通过引入核函数，建立一个分类超平面作为决策曲面，使得正例和反例之间的隔离边缘被最大化；支持向量机的理论基础是统计学习理论，是结构风险最小化的近似体现。……